高速公路交通狀態(tài)判別模型研究

于 泉 豐柱林 徐紅領(lǐng) 任廣麗

北京工業(yè)大學(xué)，交通工程重點(diǎn)實(shí)驗(yàn)室，北京 100124

0 引 言

高速公路是全封閉、全立交的道路，在高速公路上運(yùn)行的車輛行駛速度快、車流量大。隨著我國高速公路網(wǎng)的擴(kuò)建和汽車保有量的增加，高速公路交通事故率居高不下，尤其是山區(qū)高速公路，交通安全形式嚴(yán)峻，如何準(zhǔn)確、高效地判別高速公路交通狀態(tài)，預(yù)測交通狀態(tài)發(fā)展趨勢，對高速公路智能化管理具有重要意義。

目前，國內(nèi)外學(xué)者在道路交通狀態(tài)判別方面從不同角度展開了大量的研究，這些交通狀態(tài)判別的方法大致可以分為：① 傳統(tǒng)算法，如指數(shù)平滑法、加利福尼亞法和 McMaster算法等；② 模式識(shí)別算法，如模糊方法等；③ 人工智能算法，如神經(jīng)網(wǎng)絡(luò)等[1]。國外對交通狀態(tài)判別算法的研究起步較早，早期開發(fā)投入使用的道路交通狀態(tài)判別算法主要圍繞判別突發(fā)交通事件展開[2]。國內(nèi)的學(xué)者在借鑒國外研究成果的基礎(chǔ)上，針對中國道路交通的特點(diǎn)，提出了適用于我國道路交通實(shí)際的交通狀態(tài)判別方法，如戴紅等將模糊模式識(shí)別方法應(yīng)用于城市主干道的交通狀態(tài)判別上，使用速度、占有率、信號(hào)交叉口平均每車停車延誤3個(gè)交通參數(shù)進(jìn)行多因素模糊模式識(shí)別評(píng)判交通狀態(tài)，同時(shí)將交通狀態(tài)分為暢通、正常、擁擠、堵塞四個(gè)等級(jí)[3]；陳義華、晏承玲等將城市道路分為路段與交叉口兩個(gè)基本單元，選取平均行程速度、時(shí)間占有率等評(píng)價(jià)指標(biāo)，建立了基于層次分析法與模糊綜合評(píng)判的交通狀態(tài)判別模型[4]。采用模糊理論建立交通狀態(tài)評(píng)判模型，難點(diǎn)在于評(píng)價(jià)指標(biāo)選取，以及評(píng)價(jià)指標(biāo)的權(quán)重、隸屬函數(shù)的確定。有些評(píng)價(jià)指標(biāo)具有一定的相關(guān)性或是不易測量，直接影響模型判別效果。另外，評(píng)價(jià)指標(biāo)權(quán)重的確定多為專家打分法或?qū)嵺`經(jīng)驗(yàn)法，具有一定的主觀性。本文在前人研究的基礎(chǔ)上，建立了基于變異系數(shù)法的交通狀態(tài)模糊評(píng)判模型。

1 評(píng)價(jià)指標(biāo)的選取

首先，本文參考交通運(yùn)輸部 2012年規(guī)范文件《公路網(wǎng)運(yùn)行監(jiān)測與服務(wù)暫行技術(shù)要求》，將高速公路交通狀態(tài)分為暢通、基本暢通、輕度擁擠、中度擁擠、嚴(yán)重?fù)頂D五個(gè)等級(jí)。對交通狀態(tài)進(jìn)行模糊綜合判別需要根據(jù)交通流的宏觀參數(shù)及其衍生參數(shù)來建立[5]。

交通流參數(shù)分為宏觀參數(shù)和微觀參數(shù)。其中，宏觀參數(shù)用于描述交通流作為一個(gè)整體表現(xiàn)出來的運(yùn)行狀態(tài)特性，主要包括交通量、速度、交通密度、占有率、排隊(duì)長度；微觀參數(shù)用于描述交通流中彼此相關(guān)的車輛之間的運(yùn)行狀態(tài)特性，包括車頭時(shí)距和車頭間距[6]。其中流量、速度、密度是最基本的交通參數(shù)，而且三者之間具有一定的關(guān)系，得到三者中的任意兩個(gè)參數(shù)都能通過計(jì)算得到第三個(gè)參數(shù)，而密度與占有率有一定的相似性。為避免評(píng)價(jià)指標(biāo)之間的相關(guān)性，本文選擇速度與占有率作為高速公路交通狀態(tài)模糊判別的評(píng)價(jià)指標(biāo)。

從宏觀來看，交通流的平均速度有在特定地點(diǎn)的時(shí)間平均速度(平均地點(diǎn)速度)和在特定路段上的區(qū)間平均速度(平均行程速度)之分。前者體現(xiàn)了交通流在特定觀測地點(diǎn)處的運(yùn)行狀況，后者體現(xiàn)了交通流在特定路段空間上的運(yùn)行狀況，當(dāng)這兩種速度值明顯低于正常值時(shí)，表明觀測地點(diǎn)的交通處于擁擠狀態(tài)。

占有率包括空間占有率和時(shí)間占有率兩個(gè)概念。空間占有率是指在單位長度車道上，汽車投影面積總和占車道面積的百分率，在實(shí)測中，一般是指測量路段上的車輛總長度與該路段長度的百分比。時(shí)間占有率是指在道路的觀測斷面上，車輛通過時(shí)間累計(jì)值與測定時(shí)間的比值。時(shí)間占有率與空間占有率均能體現(xiàn)交通運(yùn)行的狀態(tài)，但是空間占有率直接反映了交通密度的高低，更能表明道路被實(shí)際占用的情況。

綜上所述，本文選擇平均行程速度與空間占有率作為高速公路路段交通狀態(tài)判別的指標(biāo)。

2 模型的建立

2.1 建立評(píng)判因素集和判斷集

2.2 指標(biāo)分級(jí)閾值的確定

（1）平均行程速度的等級(jí)劃分

本文參考交通運(yùn)輸部 2012年第 3號(hào)公告《公路網(wǎng)運(yùn)行監(jiān)測與服務(wù)暫行技術(shù)要求》，了解高速公路路段擁擠度等級(jí)劃分標(biāo)準(zhǔn)中平均行程速度劃分的閾值以確定平均行程速度指標(biāo)的等級(jí)分界點(diǎn)。平均行程速度的劃分閾值如表1所示。

表1 平均行程速度劃分表Tab.1 Classification of average travel speeds

（2）空間占有率的等級(jí)劃分

長安大學(xué)的李琳在高速公路網(wǎng)交通流運(yùn)行態(tài)勢評(píng)估技術(shù)研究中對高速公路網(wǎng)路段的通阻狀態(tài)進(jìn)行了等級(jí)劃分及定性與定量的表述[8]，當(dāng)設(shè)計(jì)車速為100 km/h時(shí)，文中對交通流狀態(tài)的劃分與《公路網(wǎng)運(yùn)行監(jiān)測與服務(wù)暫行技術(shù)要求》中對擁擠度狀態(tài)的劃分相對應(yīng)。具體如表2與表3所示。

表2 通阻狀態(tài)劃分Tab.2 Classification of accessibility status

表3 路段交通流通阻狀態(tài)特征參數(shù)閾值Tab.3 Characteristic parameter thresholds of road traffic accessibility

參考李琳對路段交通流通阻狀態(tài)特征參數(shù)閾值劃分結(jié)果，本文空間占有率的劃分閾值如表4所示。

表4 空間占有率劃分閾值Tab.4 The space occupancy thresholds

2.3 構(gòu)造評(píng)價(jià)矩陣

首先對評(píng)判因素集中單因素作單因素評(píng)價(jià)，得出的單因素評(píng)判集 (ri1,ri2,ri3,ri4,ri5)，其中rij(j= 1 ,2,3,4,5)表示因素ui(i= 1 ,2)對判斷集中的fi(i= 1 ,2,3,4,5)的隸屬度。對各個(gè)指標(biāo)進(jìn)行單因素評(píng)判，就構(gòu)造出一個(gè)總的評(píng)價(jià)矩陣R，也稱為隸屬度矩陣：

各單因素評(píng)判方法采用三角形隸屬函數(shù)，計(jì)算公式如下：

假定某交通狀態(tài)評(píng)價(jià)因子是 x，隸屬函數(shù)為u(x)，則該因子對各級(jí)交通運(yùn)行狀態(tài)評(píng)價(jià)集的隸屬度

2.4 變異系數(shù)法確定各因素的權(quán)重

變異系數(shù)法(Coefficient of variation method)是直接利用各項(xiàng)指標(biāo)所包含的信息，通過計(jì)算得到指標(biāo)的權(quán)重。該方法是一種客觀賦權(quán)的方法，其基本思想是:在多指標(biāo)綜合評(píng)價(jià)中，如果某項(xiàng)指標(biāo)在所有被評(píng)價(jià)對象上觀測值的變異程度較大，說明該指標(biāo)達(dá)到平均水平的難度較大。如果它能夠明確地區(qū)分開各被評(píng)價(jià)對象在該方面的能力，則該指標(biāo)應(yīng)賦予較大的權(quán)重；反之，則應(yīng)賦予較小的權(quán)重[9]。采用各個(gè)指標(biāo)值的變異系數(shù)來確定其權(quán)重的方法，可以避免專家賦權(quán)所帶來的主觀偏好性。方法及求解步驟如下：

假設(shè)對評(píng)價(jià)的對象 X測量 m個(gè)指標(biāo) I1,I2,…,Im。設(shè) P為X上某級(jí)屬性空間， ( C1,C2,…,Ck)為屬性空間P的有序分割級(jí)，且滿足每個(gè)指標(biāo)的分級(jí)標(biāo)準(zhǔn)已知，寫成分級(jí)標(biāo)準(zhǔn)矩陣為：

式中，jδ為第j個(gè)評(píng)價(jià)指標(biāo)的變異系數(shù)；D為第j個(gè)評(píng)價(jià)指標(biāo)特征值的均差：

如本文中對設(shè)計(jì)速度為100 km/h的高速公路路段平均行程速度V、空間占有率O的分級(jí)標(biāo)準(zhǔn)矩陣為：

對路段不同斷面的時(shí)間平均速度V、空間占有率O兩個(gè)評(píng)價(jià)指標(biāo)按照上述權(quán)重計(jì)算過程計(jì)算權(quán)重結(jié)果為ω=(0.4429,0.5571)T。

j

利用各指標(biāo)的變異系數(shù)來確定其權(quán)重，一方面充分利用了各指標(biāo)本身監(jiān)測數(shù)據(jù)所提供的信息；另一方面通過變異系數(shù)的歸一化處理可以防止指標(biāo)之間因量綱不同而對權(quán)重的影響，這樣更能反映指標(biāo)的相對重要程度[10]。

2.5 模糊綜合評(píng)判

對高速公路交通狀態(tài)作模糊綜合評(píng)判。將權(quán)重向量W與單因素評(píng)判矩陣R用模糊運(yùn)算合成，得到綜合評(píng)判集B，其元素bi(i= 1 ,2,3,4,5)表示待評(píng)價(jià)高速公路路段的交通流運(yùn)行態(tài)勢屬于評(píng)價(jià)等級(jí)fi(i= 1 ,2,3,4,5)的隸屬度：

這里采用的模糊運(yùn)算是實(shí)數(shù)的加乘運(yùn)算，因?yàn)樵谶M(jìn)行模糊綜合評(píng)判時(shí)，實(shí)數(shù)的加乘運(yùn)算比“∨，∧”運(yùn)算更精細(xì)，且得到的綜合評(píng)判集具有歸一性。

2.6 確定評(píng)判結(jié)果

確定評(píng)判結(jié)果的常用方法是最大隸屬度原則，B=(b1,b2,b3,b4,b5)為模糊綜合評(píng)價(jià)的結(jié)果，由最大隸屬度原則所對應(yīng)的下標(biāo)i即為評(píng)價(jià)對象的最終評(píng)價(jià)等級(jí)。但該原則只突出主要因素，缺乏全面考慮。本文采用既突出主要因素又兼顧其他信息的加權(quán)平均法，這里取綜合評(píng)判集B的元素bi作為權(quán)系數(shù)。

設(shè)判斷集 {f1,f2,f3,f4,f5} = { 1,2,3,4,5}，則根據(jù)加權(quán)平均法有：

其中Z表示綜合考慮所有因素的影響時(shí)，待評(píng)路段交通流狀態(tài)的最終評(píng)判得分。可定義它為交通狀態(tài)擁擠指數(shù)，該指數(shù)表明交通狀態(tài)的變化過程是連續(xù)的，而不是由一個(gè)狀態(tài)立刻變到另一個(gè)狀態(tài)，這使模型更加合理。表5為交通狀態(tài)評(píng)估表。

表5 交通狀態(tài)評(píng)估表Tab.5 Traffic state evaluation

3 實(shí)例分析

為了驗(yàn)證本文所建模型的可行性、實(shí)用性、合理性，采用實(shí)例來評(píng)價(jià)分析。本文利用該模型對 2014年某工作日北京市京哈高速公路四環(huán)至五環(huán)段（其中一段長度 150米的路段）早高峰的交通調(diào)查數(shù)據(jù)進(jìn)行分析，驗(yàn)證該判別模型對京哈高速路段的交通狀態(tài)判別效果。本次

調(diào)查時(shí)間段為早高峰 7:00－9:30，每5 min采集一次數(shù)據(jù)，得到調(diào)查路段30組平均行程速度與空間占有率的值，如表6所示。

表6 調(diào)查數(shù)據(jù)Tab.6 Survey data

按照模型計(jì)算步聚，對調(diào)查到的數(shù)據(jù)進(jìn)行處理，計(jì)算該路段交通狀態(tài)擁擠指數(shù)Z的值，如圖1所示。

圖1 交通狀態(tài)變化曲線Fig.1 Traffic state change curve

由圖 1可知，模型的判別結(jié)果能夠有效地表征出道路實(shí)際運(yùn)行結(jié)果，該路段的交通狀態(tài)變化是連續(xù)漸變的，被調(diào)查路段的交通狀態(tài)較為穩(wěn)定，較長時(shí)間內(nèi)處于輕度擁擠狀態(tài)，與道路實(shí)際運(yùn)行狀況相符。

4 結(jié)束語

本文以變異系數(shù)法與模糊綜合評(píng)判法為理論基礎(chǔ)，選取了路段平均行程車速與空間占有率兩個(gè)評(píng)價(jià)指標(biāo)，建立了一種高速公路交通狀態(tài)判別模型。該模型有效地避免了由專家依據(jù)個(gè)人經(jīng)驗(yàn)進(jìn)行打分的權(quán)重確定方法，具有較強(qiáng)的客觀性。通過實(shí)例驗(yàn)證表明，模型具有一定的可行性與實(shí)用性。實(shí)際上，高速公路交通狀態(tài)受到多種因素的影響，具有非常強(qiáng)的不確定性，對高速公路交通狀態(tài)的判別要想得到實(shí)時(shí)、高效、精確的判別結(jié)果，還需要做進(jìn)一步的研究。

[1] 顧超然. 基于模糊 c均值的城市道路交通狀態(tài)判別研究[D]. 北京：北京交通大學(xué)，2012.

[2] 於 毅. 城市道路交通狀態(tài)判別方法研究[D]. 北京：北京交通大學(xué)，2007.

[3] 戴 紅．基于模糊模式識(shí)別的城市道路交通狀態(tài)檢測算法[J]．吉林工程技術(shù)師范學(xué)院學(xué)報(bào)，2005，21（3）：41-45．

[4] 陳義華、晏承玲. 基于 FAHP和模糊綜合評(píng)判的交通狀態(tài)判別模型[J]. 重慶理工大學(xué)學(xué)報(bào)（自然科學(xué)），2012年11月，26(11)：110-114.

[5] 交通運(yùn)輸部. 2012年第 3號(hào)公告．公路網(wǎng)運(yùn)行監(jiān)測與服務(wù)暫行技術(shù)要求[M]．北京：人民交通出版社，2012:25-26.

[6] 曹勁勁. 高速公路與城市快速路結(jié)合部交通狀態(tài)判別及預(yù)測研究[D]. 北京：北京交通大學(xué)，2009年.

[7] 許倫輝，漆 嬌. 基于數(shù)據(jù)驅(qū)動(dòng)的道路交通狀態(tài)評(píng)價(jià)[J]. 江西理工大學(xué)學(xué)報(bào)，2011年10月, 32(5): 33-35.[8] 李 琳. 高速公路網(wǎng)交通流運(yùn)行態(tài)勢評(píng)估技術(shù)研究[D]. 西安：長安大學(xué)，2011，4.

[9] 儲(chǔ) 莎，陳 來. 基于變異系數(shù)法的安徽省節(jié)能減排評(píng)價(jià)研究[J]. 中國人口·資源與環(huán)境，2011, 21(3):513-515.

[10] 門寶輝，梁 川. 基于變異系數(shù)權(quán)重的水質(zhì)評(píng)價(jià)屬性識(shí)別模型[J]. 哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2005, 37(10):1374-1375.